تخمين مكان تطبيقي توسط تركيب الگوريتم K- نزديك‌ترين همسايه و شبكه عصبي عميق بر مبناي روش اثر انگشت در محيط داخلي

Adaptive Localization by Combining The K-Nearest Neighbor Algorithm and Deep Neural Network Based on The Fingerprint Method in The Indoor Environment

– در سال‌هاي اخير فناوري اطلاعات و ارتباطات به‌سرعت توسعه‌يافته است و در نتيجه آن سرويس‌هاي خدماتي متعددي پديدار شده‌اند. در اين راستا براي اكثر كاربران در محيط داخلي، سيستم‌هاي رهگيري با تجزيه‌وتحليل متنوع‌تر داده‌هاي مكاني همراه با نتايج بهتر امنيتي و تجاري است. متأسفانه داده‌هاي اندازه‌گيري شده در محيط داخلي به‌اندازه كافي دقيق نيست؛ زيرا محيط داخلي بسيار بيشتر آلوده به نويز است. در تحقيق پيش‌رو يك رويكرد جديد به‌منظور تخمين مكان در محيط داخلي كه مي‌تواند به طور تطبيقي پردازشي مناسب را توسط داده‌هاي پايگاه داده اثر انگشت با توجه به سيگنال‌هاي جمع‌آوري شده اتخاذ كند، پيشنهاد شده است. رويكرد پيشنهادي توسط الگوريتم K- نزديك‌ترين همسايه يك ناحيه حضور گره هدف توسط مقايسه سيگنال‌هاي دريافتي با پايگاه داده اثر انگشت تعيين مي‌كند كه اين امر منجر به افزايش دقت تخمين مكان توسط شبكه عصبي عميق مي‌شود. شبكه عصبي عميق اطلاعات ناحيه تعيين شده و سيگنال‌هاي دريافتي توسط گره هدف را كه آلوده به نويز هستند در لايه‌هاي مخفي خود مورد پردازش قرار مي‌دهد و منجر مي‌شود رويكرد تخمين مكان به طور تطبيقي و با دقت مطلوب در محيط به موقعيت‌يابي بپردازد. نتايج معيارهاي ارزيابي نشان‌دهنده صحت رويكرد پيشنهادي است